PPTAgent

Name: PPTAgent
Author: icip-cas

本地服务

github.com/icip-cas生产力5.2k5 周前更新

代码仓库

关于 PPTAgent

PPTAgent 是用于生成和评估演示文稿的项目，可生成可编辑的 PowerPoint 文件。其 Skill 面向 Claude Code、Codex CLI 和 OpenCode 等编码 Agent，支持创建、修订与视觉审阅幻灯片。

主要功能

01生成可编辑的 PPTX 演示文稿
02渲染幻灯片并进行视觉审阅
03在编码 Agent 中以 Skill 形式运行
04支持修改已有幻灯片并重新生成
05提供 doctor 命令检查安装状态

适用场景

01由编码 Agent 根据主题快速生成多页演示文稿
02修改指定幻灯片为流程图并重新导出
03评估生成演示文稿的质量

#pptagent #presentation-generator #evaluation-framework

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

提示

Claude Code、Codex 和 OpenCode 现已推出 PPTAgent Skill！

使用编码 Agent 创建、修改并以视觉方式审阅可编辑的 PowerPoint 演示文稿。

安装 Skill → · 使用 Atria Dawn Preview →

免费 Token 计划： Discovery · Atria API

你可以使用多模态视觉模型作为多模态审阅器，并通过 Duanyan（端砚）Token 计划申请 API Token。我们推荐使用 deepseek-v4-flash-vision 作为多模态模型。设置指南 →

重要

想使用之前的运行时，或复现研究论文吗？ 请使用以下固定版本，而不是当前开发分支：

PPTAgent（EMNLP 2025）： 论文 · v0.2.0 版本的代码

DeepPresenter（ACL 2026）： 论文 · v1.1.38 版本的代码

PPTAgent 演示

📅 新闻

[2026/09] 🚀 隆重推出 Atria Dawn Preview，这是由上海人工智能实验室、复旦大学、中国科学院软件研究所、中国人民大学、中国科学院自动化研究所和华东师范大学联合发布的新型 Agent 模型。领取丰厚的免费 Token 计划： Discovery · Atria。在 PPTAgent Skill 中使用 Atria →
[2026/09] 🧩 面向 Claude Code、Codex 和 OpenCode 发布了 PPTAgent Skill — 使用编码 Agent 创建、以视觉方式审阅并导出可编辑的 PowerPoint 演示文稿。开始使用 →
[2026/04] 🎉 DeepPresenter 获 ACL 2026 接收！
[2026/03] 🤗 我们在 Hugging Face 发布了微调模型和任务集。
[2026/01] 🆕 自由形式和模板生成现已支持 PPTX 导出与离线模式。新增上下文管理，以防止上下文溢出。
[2025/12] 🔥 发布 DeepPresenter 代码库，带来多项重大升级 — 深度研究集成、自由形式视觉设计、自主素材创建、文生图，以及配备沙箱和 20 多种工具的 Agent 环境。
[2025/09] 🛠️ 新增 MCP 服务支持 — 详情请参阅 v1.1.37 文档。
[2025/08] 🎉 PPTAgent 获 EMNLP 2025 接收！
[2025/05] ⭐ GitHub 星标数达到 1,000！
[2025/01] 🔓 PPTAgent 代码库正式开源。

安装 PPTAgent Skill 🧩

要求： Claude Code、Codex CLI 或 OpenCode；Linux（包括 WSL）或 macOS；uv；npm；以及 PATH 中可用的 LibreOffice（命令为 libreoffice）。在 macOS 上，还需安装 Google Chrome 才能使用转换器。

1. 安装运行时

在 Debian/Ubuntu 上，先安装系统依赖：

sudo apt-get install npm libreoffice-impress

在 macOS 上，使用 Homebrew 安装系统依赖：

brew install node
brew install --cask libreoffice google-chrome
ln -sf "$(command -v soffice)" "$(brew --prefix)/bin/libreoffice"

克隆代码库并安装 Skill 的依赖项。如果你已经克隆了代码库，请从其 skills/pptagent/ 目录开始：

git clone https://github.com/icip-cas/PPTAgent.git
cd PPTAgent/skills/pptagent

uv venv --python 3.12 .venv
uv pip install --python .venv/bin/python -r requirements.txt
.venv/bin/python -m playwright install --with-deps chromium

2. 注册到你的编码 Agent

在 skills/pptagent/ 中运行适用于你的客户端的命令。

Claude Code

.venv/bin/python scripts/install.py --client claude

Codex CLI

.venv/bin/python scripts/install.py --client codex

OpenCode

.venv/bin/python scripts/install.py --client opencode

安装程序会准备 Node 依赖项，并为所选客户端注册技能。请将仓库保留在原处，然后检查安装情况：

.venv/bin/python scripts/pptagent.py doctor

如需了解 OpenCode 可视化 MCP 配置和完整工作流，请继续阅读 OpenCode 设置指南。

使用 Atria Dawn Preview 快速入门 🚀

此示例使用 Atria Dawn Preview 撰写和修改幻灯片，并使用外部视觉模型进行审阅。完成上述安装后，请在 Atria 控制台中创建 API 密钥。

1. 设置文本模式的视觉审阅

你可以使用多模态视觉模型作为多模态审阅器，并通过 Duanyan（端砚）Token 计划申请 API 令牌。我们推荐将 deepseek-v4-flash-vision 用作多模态模型。

在 skills/pptagent/config.yaml 中，使用以下示例，并将 base_url 替换为 Duanyan 控制台中显示的 OpenAI 兼容 API 基础 URL：

mode: text
visual:
  base_url: "<OpenAI-compatible API base URL from the Duanyan console>"
  model: "deepseek-v4-flash-vision"
  api_key_env: VISUAL_API_KEY
  timeout_seconds: 300
delivery:
  mode: strict

将 Duanyan API 密钥保存到 skills/pptagent/.env：

VISUAL_API_KEY=<your-duanyan-api-key>

Atria 通过文本工作流撰写幻灯片；deepseek-v4-flash-vision 则审阅渲染后的图像。该技能会在 base_url 后追加 /chat/completions；请使用控制台中的 API 前缀，而不是 Token 计划网页 URL。如果宿主模型支持图像，也可以使用 mode: multimodal。详情请参阅视觉审阅配置。

2. 使用 Atria 启动编码 Agent

设置 Atria 密钥，并打开一个单独的任务文件夹：

export ATRIA_API_KEY="<your-atria-api-key>"
mkdir -p ~/pptagent-demo
cd ~/pptagent-demo

选择安装期间注册的客户端。

Claude Code — 通过 Atria 的 Messages API 启动：

ANTHROPIC_BASE_URL=https://api.atria-asi.ai \
ANTHROPIC_AUTH_TOKEN="$ATRIA_API_KEY" \
claude --model Atria-Dawn-Preview

Codex CLI — 将以下内容合并到 ~/.codex/config.toml。请将 model 和 model_provider 保留在顶层，置于所有节标题之前；更新已有条目，不要重复添加：

model = "Atria-Dawn-Preview"
model_provider = "atria"

[model_providers.atria]
name = "Atria"
base_url = "https://api.atria-asi.ai/v1"
env_key = "ATRIA_API_KEY"
wire_api = "responses"

然后在同一终端中运行 codex。它会使用 Atria 的 Responses API，并从环境中读取 ATRIA_API_KEY。

OpenCode — 通过常规的 OpenCode 提供商设置配置 Atria，然后按照 OpenCode 设置指南连接视觉审阅工具。

3. 创建你的第一份演示文稿

在由 Atria 提供支持的会话中发送以下请求：

Use the pptagent skill to create a 6-slide presentation about how our
engineering team can adopt AI coding assistants. Use a clean 16:9 layout.
Render and visually review the slides and the exported deck, then deliver
an editable answer.pptx.

你也可以在 Claude Code 中通过 /pptagent，或在 Codex 中通过 $pptagent 显式调用该技能。在 OpenCode 中，请它使用 pptagent 技能。在同一会话中继续修改演示文稿：

Turn slide 3 into a workflow diagram and shorten the recommendations.
Keep the deck at 6 slides, rebuild it, and review the updated PPTX.

你的任务文件夹会保存 answer.pptx、可编辑的 HTML 源文件、预览图和审阅报告。详情请参阅技能指南；如需更丰富的源材料，请参阅可选的 MinerU 和搜索工具。

贡献者 🌟

_Force1ess	_Puelloc	_hongyan	_BrandonHu	_Dnoob
_Sadahlu	_lnennnn	_{KurisuMakiseSame}	_{Aarish Alam}	_Angelen
_{Eliot White}	_EvolvedGhost	_ISCAS-zwl	_{白雨 \| James Brown}	_JunZhang
_{Open AI Tx}	_{Sense_wang}	_SuYao	_{Zakir Jiwani}	_Zhenyu
_{Zihan Wang}

引用 🙏

如果您觉得这个项目对您有帮助，请使用以下内容引用它：

@inproceedings{zheng-etal-2025-pptagent,
    title = "{PPTA}gent: Generating and Evaluating Presentations Beyond Text-to-Slides",
    author = "Zheng, Hao  and
      Guan, Xinyan  and
      Kong, Hao  and
      Zhang, Wenkai  and
      Zheng, Jia  and
      Zhou, Weixiang  and
      Lin, Hongyu  and
      Lu, Yaojie  and
      Han, Xianpei  and
      Sun, Le",
    editor = "Christodoulopoulos, Christos  and
      Chakraborty, Tanmoy  and
      Rose, Carolyn  and
      Peng, Violet",
    booktitle = "Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2025",
    address = "Suzhou, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.emnlp-main.728/",
    doi = "10.18653/v1/2025.emnlp-main.728",
    pages = "14413--14429",
    ISBN = "979-8-89176-332-6",
    abstract = "Automatically generating presentations from documents is a challenging task that requires accommodating content quality, visual appeal, and structural coherence. Existing methods primarily focus on improving and evaluating the content quality in isolation, overlooking visual appeal and structural coherence, which limits their practical applicability. To address these limitations, we propose PPTAgent, which comprehensively improves presentation generation through a two-stage, edit-based approach inspired by human workflows. PPTAgent first analyzes reference presentations to extract slide-level functional types and content schemas, then drafts an outline and iteratively generates editing actions based on selected reference slides to create new slides. To comprehensively evaluate the quality of generated presentations, we further introduce PPTEval, an evaluation framework that assesses presentations across three dimensions: Content, Design, and Coherence. Results demonstrate that PPTAgent significantly outperforms existing automatic presentation generation methods across all three dimensions."
}

@misc{zheng2026deeppresenterenvironmentgroundedreflectionagentic,
      title={DeepPresenter: Environment-Grounded Reflection for Agentic Presentation Generation},
      author={Hao Zheng and Guozhao Mo and Xinru Yan and Qianhao Yuan and Wenkai Zhang and Xuanang Chen and Yaojie Lu and Hongyu Lin and Xianpei Han and Le Sun},
      year={2026},
      eprint={2602.22839},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2602.22839},
}

支持 Markdown

登录后评论